oh-my-knowledge 0.30.0 → 0.32.0

package/README.zh.md

@@ -8,26 +8,24 @@
 
 [English](./README.md) | **简体中文**
 
-**omk** — 你给 LLM 的知识，价值在哪里？
-omk 帮你用客观数据回答，而不是凭感觉。
+**你改完 prompt，真的变好了吗？**
+用统计严谨性 A/B 测试你的 prompt 和 skill —— Bootstrap 置信区间、Krippendorff α、长度去偏，全部默认开。
 
-**面向 LLM 知识输入(prompt / RAG / skill / agent)的评测框架** —— 固定模型，只变知识载体。
-
-<a id="statistical-rigor"></a>
-> 默认带：Bootstrap 置信区间 · Krippendorff α（评委 ↔ 人工）· 长度去偏 · 饱和曲线 · 用例隔离(construct validity)。[这些为什么重要 →](docs/zh/statistical-rigor.md)
-
-![omk 报告](./assets/screenshots/report-overview-zh.png)
+![omk 报告 — verdict pill「v2 明显优于 v1，可以发布」](./assets/screenshots/report-overview-zh.png)
 
 ## 快速开始
 
 ```bash
-npm i oh-my-knowledge -g
-omk init my-eval && cd my-eval
-# 编辑 skills/code-review-v1/SKILL.md 和 skills/code-review-v2/SKILL.md,填入你的两版内容
-omk eval --control code-review-v1 --treatment code-review-v2    # → 5 分钟出 HTML 报告 + verdict
+npm i -g oh-my-knowledge
+omk init demo && cd demo
+omk eval --control code-review-v1 --treatment code-review-v2
 ```
 
-深入：[在 Claude Code / Codex 中调用](#在-ai-coding-agent-中使用) · [`omk eval` 全 flag](#omk-eval) · [artifact 目录结构](#artifact-目录结构) · [`--lang` / `OMK_LANG`](#环境变量)
+不用改任何文件 —— `omk init` 帮你脚手架两版 skill 和三条评测用例；`omk eval` 跑控制变量 A/B，5 分钟内出 HTML 报告 + 一行 verdict。
+
+手把手教程：[5 分钟快速上手](docs/zh/quickstart-skill-eval.md)（推荐第一次跑评测的用户）。
+
+深入：[CLI 参考](docs/zh/reference/cli.md) · [工作原理](docs/zh/explanation/architecture.md) · [评测样本格式](docs/zh/reference/eval-sample-format.md) · [执行器与 artifact 布局](docs/zh/reference/executors.md)
 
 ## 在 AI Coding Agent 中使用
 
@@ -41,7 +39,7 @@ omk eval --control code-review-v1 --treatment code-review-v2    # → 5 分钟
 /omk sample            # 生成或补齐评测用例
 ```
 
-这些 slash command 是自然语言入口 —— agent 会从对话上下文里推断要操作哪个 skill，所以一般不用显式传路径。（下面 Codex 段落给出 `omk evolve <skill>` 的裸 CLI 形式。）也可以直接说「帮我评测 v1 和 v2 的差异」、「改进一下这个 artifact」，omk 会自动理解意图并调用对应命令。
+这些 slash command 是自然语言入口 —— agent 会从对话上下文里推断要操作哪个 skill。也可以直接说「帮我评测 v1 和 v2 的差异」、「改进一下这个 artifact」，omk 会自动理解意图并调用对应命令。
 
 ### 在 Codex 中使用
 
@@ -53,21 +51,11 @@ omk evolve skills/my-skill.md
 omk sample skills/my-skill.md
 ```
 
-也可以直接用自然语言描述目标，例如"比较 v1 和 v2 的评测差异"、"为这个 skill 生成评测用例"。
+也可以直接用自然语言描述目标，例如「比较 v1 和 v2 的评测差异」、「为这个 skill 生成评测用例」。
 
 ## 为什么需要这个工具
 
-做知识工程的团队会产出大量知识载体（当前常见是 skill，也包括 prompt、agent、workflow 等）。当被问到"v2 比 v1 好在哪"时，需要客观数据而非主观判断。`oh-my-knowledge` 通过控制变量实验解决这个问题：相同模型、相同评测用例，只改变知识载体。
-
-## 核心能力
-
-- **LLM 健康度审计** — `omk doctor` 用单次 LLM 会话产出多维度健康度报告，7 个内置维度（触发与边界 / 文档清晰 / 指令精确性 / 依赖检查 / 工具规范 / 安全与合规 / 示例完备）独立给「健康 / 亚健康 / 不健康 / 不适用」+ findings + 改进建议；维度可扩展，`--html` 产可视化报告。无 LLM 环境（CI 节点 / 断网调试）可加 `--static-only` 跑纯静态检查（可读性 / 元数据 / 依赖 / samples 契约）。`omk eval` 内部仍跑静态可读性、元数据、依赖 gate 把关评测质量（角色分离：doctor=审计，eval=评测）
-- **控制变量离线评测** — 固定模型和用例，只变知识载体；兼容 Claude Code skill、CLAUDE.md prompt、RAG 知识库等任何 markdown 形式的指令
-- **六维独立打分** — Fact / Behavior / LLM-judge / Cost / Efficiency / Stability 分别出信号，单一维度的回退不会被其他维度的收益掩盖
-- **线上 session 观测** — 解析 Claude Code session JSONL，在真实用户会话上测量各 skill 的失败率、耗时、token 成本和知识缺口信号
-- **知识缺口识别** — 严重度加权的信号（显式标记 / 搜索失败 / hedging 用语 / 反复失败）量化风险敞口，不宣称完备性
-- **合并前 CI 门** — `omk eval` 强制三层 all-pass（fact + behavior + llm-judge），抓复合分掩盖的单层回退
-- **一行 ship/no-ship 结论** — `omk eval` 聚合 bootstrap CI / 三层 ci-gate / saturation / human α，给六档 verdict(PROGRESS / CAUTIOUS / REGRESS / NOISE / UNDERPOWERED / SOLO)+ 行动建议；exit code 反映是否可 ship
+做知识工程的团队会产出大量知识载体（当前常见是 skill，也包括 prompt、agent、workflow 等）。当被问到「v2 比 v1 好在哪」时，需要客观数据而非主观判断。`oh-my-knowledge` 通过控制变量实验解决这个问题：**相同模型、相同评测用例，只改变知识载体。**
 
 ## 为什么选 omk
 
@@ -82,9 +70,9 @@ omk sample skills/my-skill.md
 | 原生 Claude Code skill | ✓ | ✗ | ✗ | ✗ |
 | 托管 SaaS 看板 | ✗ | ✗ | ✓ | ✓ |
 
-omk 的护城河是 **default-on 安全网** —— Bootstrap CI / 评委 ↔ 人工 α / 长度去偏不是 advanced flag，是默认行为。其他工具让你**手动**接置信区间；omk 让你**默认无法忽略**它。需要 SaaS 看板？选 LangSmith。要快速 prompt 迭代不要统计层？选 promptfoo。**要发到生产且会被问"为什么应该相信这个数字"？选 omk。**
+omk 的护城河是 **default-on 安全网** —— Bootstrap CI / 评委 ↔ 人工 α / 长度去偏不是 advanced flag，是默认行为。其他工具让你**手动**接置信区间；omk 让你**默认无法忽略**它。需要 SaaS 看板？选 LangSmith。要快速 prompt 迭代不要统计层？选 promptfoo。**要发到生产且会被问「为什么应该相信这个数字」？选 omk。**
 
-RAG 专项评测请看 RAGAS（独立 niche，跟 omk 互补）。完整对比（7 个工具 × 25+ 维度）： [docs/zh/comparison.md](docs/zh/comparison.md)
+RAG 专项评测请看 RAGAS（独立 niche，跟 omk 互补）。完整对比（7 个工具 × 25+ 维度）： [docs/zh/reference/comparison.md](docs/zh/reference/comparison.md)
 
 ## 特性
 
@@ -94,687 +82,60 @@ RAG 专项评测请看 RAGAS（独立 niche，跟 omk 互补）。完整对比
 | **六维评估** | 事实 / 行为 / LLM 评价 / 成本 / 效率 / 稳定性独立展示 |
 | **多执行器** | 支持 Claude CLI / Claude SDK / Codex CLI / Codex SDK / OpenAI / Gemini 及自定义命令 |
 | **21+ 种断言** | 包含子串、正则、JSON Schema、ROUGE/BLEU/Levenshtein 相似度、Agent 工具调用、语义相似度、自定义函数等 |
-| **统计严谨性** | Bootstrap CI / Krippendorff α / 长度去偏 / 饱和曲线 —— 全部默认开。[详情 →](docs/zh/statistical-rigor.md) |
-| **RAG metrics** | `faithfulness` / `answer_relevancy` / `context_recall` 三 metric — 反幻觉 + 切题度 + context 覆盖，自动继承长度去偏 |
-| **预算硬阈值** | `--budget-usd / --budget-per-sample-usd / --budget-per-sample-ms` 总成本 + 单用例成本/耗时上限，超出中止保留 partial report |
-| **用例隔离 (construct validity)** | `--strict-baseline` （默认开） 三堵 baseline 拿到被测 skill 的污染路径：(1) SDK skill auto-discovery (2) subagent Skill 工具调用 (3) cwd 文件系统（避免 baseline 顺 `skills/<name>/` symlink 直接 Read 到 SKILL.md）。eval.yaml `allowedSkills` 支持 per-variant 白名单 |
-| **用例设计科学性 (sample design science)** | Sample schema 加 `capability` / `difficulty` / `construct` / `provenance` 元数据字段（HF Dataset Cards 风），studio 输出 coverage 分桶 + `rubric_clarity_low` / `capability_thin` 两类 issue。`omk sample` 自动给生成的用例打 provenance。详见 [docs/sample-design-spec.md](docs/sample-design-spec.md)，含 8 条行业 gap(HELM / MMLU-Pro / Construct Validity / IRT / Dataset Cards / Adversarial)的 omk v1 映射 |
+| **统计严谨性** | Bootstrap CI / Krippendorff α / 长度去偏 / 饱和曲线 —— 全部默认开。[详情 →](docs/zh/explanation/statistical-rigor.md) |
+| **RAG metrics** | `faithfulness` / `answer_relevancy` / `context_recall` 三 metric — 反幻觉 + 切题度 + context 覆盖 |
+| **LLM 健康度审计** | `omk doctor` 给 7 个内置维度独立打分；`--static-only` 可离线无 LLM 调用 |
+| **线上 session 观测** | 解析 Claude Code session JSONL，测量各 skill 的失败率、耗时、token 成本、知识缺口信号 |
+| **知识缺口识别** | 严重度加权的信号量化风险敞口，不宣称完备性 |
+| **用例隔离 (construct validity)** | `--strict-baseline`（默认开）三堵 baseline 拿到被测 skill 的污染路径 |
+| **用例设计科学性** | Sample schema 加 `capability` / `difficulty` / `construct` / `provenance` 元数据字段（HF Dataset Cards 风），studio 输出 coverage 分桶 + `rubric_clarity_low` / `capability_thin` issue。[docs/specs/sample-design-spec.md](docs/specs/sample-design-spec.md) |
 | **多评委 ensemble** | `--judge-models claude:opus,openai:gpt-4o` 跨厂商评分 + agreement 度量 |
-| **MCP URL 获取** | 通过 MCP Server 获取私有文档 URL 内容（SSO 保护的知识库等） |
 | **盲测 A/B** | `--blind` 隐藏变体名称，HTML 报告有揭晓按钮 |
 | **多轮方差分析** | `--repeat N` 重复 N 次，计算均值/标准差/置信区间/t 检验 |
-| **并行执行** | `--concurrency N` 并行 N 个任务 |
-| **断言取反 + 组合** | 通用 `not: true` 字段 + `assert-set` (any/all) 任意嵌套 |
+| **MCP URL 获取** | 通过 MCP Server 获取私有文档 URL 内容（SSO 保护的知识库等） |
 | **自动分析** | 检测低区分度断言、均匀分数、全通过/全失败、高成本用例 |
 | **可追溯性** | 报告含 CLI 版本、Node 版本、artifact 版本指纹、judge prompt hash |
 | **中英切换** | HTML 报告右上角一键切换语言 |
 
-## 工作原理
-
-核心思路：**固定模型 + 固定样本，只变 artifact 和 runtime context**，通过交错调度消除时间漂移，用断言 + LLM 评委双通道评分，再叠加知识缺口信号量化风险敞口。
-
-```mermaid
-flowchart TD
-    subgraph Input["① 输入"]
-        S["eval-samples<br/>(JSON / YAML)"]
-        A["artifacts<br/>skills/*.md · SKILL.md<br/>baseline · git:name · @cwd"]
-    end
-
-    subgraph Prep["② 预处理(解析与抓取)"]
-        V["变体解析<br/>variant → artifact + runtime context<br/>(cwd / 项目级 CLAUDE.md / 本地 skills)"]
-        U["URL 抓取<br/>prompt / context 中的 URL<br/>MCP Server(私有文档) → HTTP"]
-    end
-
-    subgraph Schedule["③ 交错调度 + 并发"]
-        Q["s1-v1 → s1-v2 → s2-v1 → s2-v2 …<br/>--concurrency N · --repeat N"]
-    end
-
-    subgraph Exec["④ 执行器(固定模型)"]
-        E["claude / claude-sdk / codex / openai / gemini<br/>anthropic-api / openai-api / 自定义命令"]
-        T["claude-sdk 抽取<br/>turns / toolCalls trace"]
-        E -.-> T
-    end
-
-    subgraph Score["⑤ 双通道评分"]
-        AS["断言(18 种)<br/>内容 / 结构 / 成本 / 延迟<br/>agent: tools_called · turns_min …"]
-        LS["LLM 评委<br/>rubric · dimensions(多维独立打分)"]
-        CS["综合分数<br/>断言 & LLM 有则均值"]
-        AS --> CS
-        LS --> CS
-    end
-
-    subgraph Analyze["⑥ 自动分析 + 知识缺口"]
-        D["低区分度断言 / 均匀分 / 全通过全失败<br/>高成本样本 · 方差 · t 检验"]
-        G["知识缺口信号<br/>(风险敞口量化, 不证明完备)"]
-    end
-
-    subgraph Report["⑦ 报告"]
-        R["六维: 事实 / 行为 / LLM 评价 / 成本 / 效率 / 稳定性<br/>JSON + HTML · 顶部 verdict pill · 盲测揭晓<br/>CLI/Node/版本指纹可追溯"]
-    end
-
-    S --> U
-    A --> V
-    V --> Q
-    U --> Q
-    Q --> E
-    T --> AS
-    E --> AS
-    E --> LS
-    CS --> D
-    CS --> G
-    D --> R
-    G --> R
-```
-
-**关键设计：**
-
-- **交错调度**消除时间漂移：同一样本的不同 variant 交替发出，而非 v1 全跑完再跑 v2，避免模型负载/网络波动被错误归因给 artifact。
-- **variant = artifact + runtime context**：`name@cwd` 让对照组可以显式声明"项目目录"这个隐性输入，把"项目级沉淀"和"显式 artifact 注入"拆开测。
-- **双通道评分互补**：断言抓确定性缺陷（必须调用某工具/必须包含某字段），LLM 评委抓主观质量（可读性/完整性），两者都存在时取均值。
-- **知识缺口信号**不是评分的一部分，而是一个独立追踪项：它告诉你"这次评测覆盖了多少风险敞口"，用于追踪收敛，而非断言知识"完备"。
-
-## 评测样本格式
-
-支持 JSON 和 YAML（`eval-samples.json`、`eval-samples.yaml`、`eval-samples.yml`）。
-
-```json
-[
-  {
-    "sample_id": "s001",
-    "prompt": "审查这段代码的安全性",
-    "context": "function auth(u, p) { db.query('SELECT * FROM users WHERE name=' + u); }",
-    "rubric": "应识别 SQL 注入风险并建议参数化查询",
-    "assertions": [
-      { "type": "contains", "value": "SQL 注入", "weight": 1 },
-      { "type": "contains", "value": "参数化", "weight": 1 },
-      { "type": "not_contains", "value": "没有问题", "weight": 0.5 }
-    ],
-    "dimensions": {
-      "security": "是否识别出注入漏洞",
-      "actionability": "是否给出可直接使用的修复代码"
-    }
-  }
-]
-```
-
-### 字段说明
-
-| 字段 | 类型 | 必填 | 说明 |
-|------|------|------|------|
-| `sample_id` | `string` | **是** | 样本唯一标识 |
-| `prompt` | `string` | **是** | 发送给模型的用户提示词 |
-| `context` | `string` | 否 | 附加上下文（代码片段等），会被包裹在代码块中拼接到 prompt 后。也支持 URL，运行时自动抓取内容 |
-| `rubric` | `string` | 否 | LLM 评委的评分标准（1-5 分） |
-| `assertions` | `array` | 否 | 断言检查列表，详见[断言类型](#断言类型) |
-| `assertions[].type` | `string` | **是** | 断言类型 |
-| `assertions[].value` | `string\|number` | 视类型 | 检查值（`contains`、`min_length`、`cost_max` 等必填） |
-| `assertions[].values` | `array` | 视类型 | 字符串数组（`contains_all`、`contains_any` 必填） |
-| `assertions[].pattern` | `string` | 视类型 | 正则表达式（`regex` 必填） |
-| `assertions[].flags` | `string` | 否 | 正则标志（默认 `"i"`） |
-| `assertions[].schema` | `object` | 视类型 | JSON Schema 对象（`json_schema` 必填，基于 [ajv](https://ajv.js.org/)） |
-| `assertions[].reference` | `string` | 视类型 | 参考文本（`semantic_similarity` 必填） |
-| `assertions[].threshold` | `number` | 否 | 语义相似度通过阈值（默认 3） |
-| `assertions[].fn` | `string` | 视类型 | 自定义断言 JS 文件路径（`custom` 必填） |
-| `assertions[].weight` | `number` | 否 | 权重（默认 1） |
-| `dimensions` | `object` | 否 | 多维度评分，key 为维度名，value 为评分标准文本 |
-
-### URL 自动抓取
-
-`prompt` 和 `context` 中的 URL 会在评测前自动抓取内容并内联到文本中。适用于引用在线文档、API 文档等场景：
-
-```json
-{
-  "sample_id": "s001",
-  "prompt": "请根据以下 PRD 文档生成评测用例：https://wiki.example.com/prd/feature-x"
-}
-```
-
-运行时，URL 会被替换为实际文档内容。获取顺序：先通过 MCP Server 获取匹配的 URL（如 SSO 保护的私有文档），再通过 HTTP 获取剩余 URL。MCP 已成功的 URL 不会重复 HTTP 抓取。
-
-**私有文档 URL**：在项目目录放一个 `.mcp.json` 配置文件，或通过 `--mcp-config` 指定路径：
-
-```json
-{
-  "mcpServers": {
-    "docs": {
-      "command": "npx",
-      "args": ["@example/docs-mcp-server"],
-      "env": { "DOCS_API_TOKEN": "xxx" },
-      "urlPatterns": ["docs.example.com"],
-      "fetchTool": {
-        "name": "fetch_doc",
-        "urlTransform": {
-          "regex": "docs\\.example\\.com/([^/]+/[^/]+)/([^/?#]+)",
-          "params": { "namespace": "$1", "slug": "$2" }
-        },
-        "contentExtract": "data.body"
-      }
-    }
-  }
-}
-```
-
-**公网 URL**：直接 HTTP 获取，如果需要认证请确保命令行环境已配置好网络访问（VPN、代理等）。
-
-### 评分策略
-
-#### 1. 断言评分
-
-基于规则的本地检查，每个断言产生通过/失败结果。
-
-**计算方式：**
-
-- 通过率 = 通过断言的权重之和 / 总权重（0~1）
-- 分数 = 1 + 通过率 × 4（映射到 1~5 分）
-- 示例：3 个断言（权重各 1），2 个通过 → 通过率 = 2/3 → 分数 = 1 + 0.67 × 4 = **3.67**
-
-#### 2. Rubric / Dimensions 评分
-
-评委模型（默认 `haiku`）按标准打 1-5 分。`dimensions` 模式下各维度独立评分后取平均。
-
-#### 3. 综合分数
-
-| 条件 | 公式 |
-|------|------|
-| 仅断言 | `assertionScore` |
-| 仅 LLM | `llmScore` |
-| 两者都有 | `(assertionScore + llmScore) / 2` |
-| 都没有 | `0` |
-
-### 断言类型
-
-**确定性断言（21+ 种）：**
-
-| 类型 | 说明 |
-|------|------|
-| `contains` / `not_contains` | 包含/不包含子串 |
-| `regex` | 正则匹配 |
-| `min_length` / `max_length` | 长度范围 |
-| `json_valid` / `json_schema` | JSON 校验 |
-| `starts_with` / `ends_with` | 前缀/后缀匹配 |
-| `equals` / `not_equals` | 精确匹配 |
-| `word_count_min` / `word_count_max` | 词数范围 |
-| `contains_all` / `contains_any` | 多值匹配 |
-| `cost_max` / `latency_max` | 成本/延迟限制 |
-| `tools_called` / `tools_not_called` / `tools_count_min` / `tools_count_max` | Agent 工具调用断言 |
-| `tool_output_contains` / `tool_input_contains` | 工具输入/输出内容匹配 |
-| `turns_min` / `turns_max` | 多轮对话轮数限制 |
-| `rouge_n_min` | ROUGE-N recall ≥ threshold（`reference` 字段填参考答案，`n` 默认 1，`threshold` 默认 0.5） |
-| `levenshtein_max` | 编辑距离 ≤ value（用于"输出跟参考几乎一致"场景） |
-| `bleu_min` | BLEU-4 ≥ threshold（unsmoothed，短文本会塌陷到 0） |
-| `faithfulness` | 输出是否被 `sample.context` 支持（反幻觉）；LLM judge 1-5 评分，threshold 默认 3 |
-| `answer_relevancy` | 输出是否切题回答 `sample.prompt`；能抓住跑题、回避、冗余；threshold 默认 3 |
-| `context_recall` | `sample.context` 关键事实在输出中的覆盖率；`reference` 可显式指定 gold facts；threshold 默认 3 |
-| `semantic_similarity` | LLM 语义相似度（与 reference 的整体相似度，与 RAG 三 metric 互补） |
-| `custom` | 自定义 JS 函数（30s 超时） |
-
-**通用修饰：**
-
-任何断言加 `not: true` 即反向（替代 `not_contains` / `not_equals` 等成对类型；老类型保留作 alias）：
-
-```yaml
-- type: regex
-  pattern: "TODO|FIXME"
-  not: true              # 必须不含 TODO/FIXME
-```
-
-**断言组合（— assert-set）：**
-
-`assert-set` 类型让多个断言以 `any`（OR）或 `all`（AND）逻辑组合，可嵌套：
-
-```yaml
-- type: assert-set
-  mode: any              # 任一通过即过 (mode: 'all' 则需全部通过)
-  children:
-    - { type: contains, value: "参数化" }
-    - { type: contains, value: "prepared statement" }
-    - { type: regex, pattern: "bind\\(.*\\?" }
-```
-
-子断言可独立带 `not: true`；嵌套 assert-set 可表达任意布尔逻辑。
-
-### 自定义断言
-
-```js
-// my-assertion.mjs
-export default function(output, { sample, assertion }) {
-  return { pass: output.includes('SQL'), message: '检查了 SQL 关键字' };
-}
-```
-
-## 六维评估指标
-
-评测报告从六个维度独立展示结果。其中评分三层（事实 / 行为 / LLM 评价）分开展示，让你看到**是哪一层拉胯**，而不是只看到一个合成分：
-
-| 维度 | 指标 | 说明 |
-|------|------|------|
-| 📋 **事实** | 事实类断言通过率 | `contains` / `json_schema` / `fact_check` 等规则可验证断言的 1-5 分映射 |
-| 🛠️ **行为** | 行为类断言通过率 | `tools_called` / `tool_output_contains` / `turns_max` 等执行合规类断言 |
-| 💬 **LLM 评价** | rubric 评分 | 由评委模型按预先写好的评分规则（rubric）打的 1-5 分，主观但能抓规则断言之外的"整体好不好" |
-| 💰 **成本** | 总成本、输入/输出 Token 数 | 基于 Token 消耗和模型定价的 API 费用 |
-| ⚡ **效率** | 平均延迟 (ms) | 从发送请求到收到完整响应的端到端耗时 |
-| 🛡️ **稳定性** | CV（变异系数） | 跨重复运行（`--repeat ≥ 2`）分数一致性；单轮评测显示 `—`，**诚实交代测不到什么** |
-
-## CLI 参考
-
-omk 的公开 CLI 由 7 个顶层命令构成完整闭环：`init`（脚手架）·`doctor`（静态检查）·`eval`（离线 A/B 评测）·`observe`（线上 trace 观测）·`evolve`（多轮自动迭代 skill）·`sample`（生成或补齐评测用例）·`studio`（本地 Web 工作台，看报告 / 分析）。
-
-### `omk init`
-
-```bash
-omk init [目录]
-```
-
-生成一个评测项目脚手架，包含两版 starter skill 和 `eval-samples.json`。
-
-### `omk doctor`
-
-```bash
-omk doctor                              # 体检当前目录或 ./skills
-omk doctor skills/v1.md                 # 体检单个 skill
-omk doctor skills/ --html report.html   # 产 HTML 可视化报告
-omk doctor skills/ --json > r.json      # JSON 给 CI / 外部工具消费
-omk doctor --gate; echo $?              # 静默门禁，fatal 问题 exit 1，警告不阻断
-omk doctor --static-only                # 离线模式：只跑静态检查，不调 LLM
-```
-
-LLM 健康度审计：单次 LLM 会话产出 7 个内置维度的健康度评分 + findings + 改进建议；HTML 报告按 fail→warn→pass→skipped 排序，错误 finding 优先。维度可扩展（在自己代码里调 `registerHealthDimension`，自动并入同一次 LLM 调用的 prompt 与报告，顺序 = 注册顺序）。
-
-离线静态模式（`--static-only`）：CI 节点没装 claude / codex、本地断网调试等场景下跑 4 条静态 rule（可读性 / 元数据 / 依赖 / samples 契约），零 LLM 调用、零成本。结果同样进 `DoctorReport`，可与 `--json` / `--gate` / `--html` 组合。
-
-`omk eval` 内部继续跑静态 readability / metadata / dependency / samples 契约 gate 保护评测质量，这条路径与用户入口的 `omk doctor` 角色分离，互不干扰。
-
-### `omk eval`
-
-```bash
-omk eval --control baseline --treatment my-skill                # 单 skill 必要性测试（baseline 是保留 variant，代表「不注入 skill」）
-omk eval --control code-review-v1 --treatment code-review-v2    # 多版本 A/B
-omk eval --config eval.yaml
-omk eval --batch
-omk eval gold compare <report-id> --gold-dir gold-dataset
-```
-
-运行离线评测，应用 verdict gate，持久化报告，并用 exit code 表示 ship/no-ship。这个工作流默认开启 bootstrap CI。
-
-常用选项：
-
-```text
-  --samples <路径>       样本文件（默认：eval-samples.json，也自动检测 .yaml/.yml；--skill-dir 下的 <skill>/.omk/samples.json 会被自动发现）
-  --skill-dir <路径>     artifact 目录（默认：skills）
-  --control <expr>       对照组 variant 表达式
-  --treatment <v1,v2>    实验组 variants，逗号分隔
-  --config <路径>        YAML/JSON 评测配置
-  --model <名称>         任务执行模型（默认：opus alias）
-  --effort <level>       执行模型扩展思考预算 low/medium/high/xhigh/max（默认：low；高 effort 跨报告不可严格比较）
-  --judge-models <list>  评委配置，例如 claude:haiku 或 claude:opus,openai:gpt-4o
-  --executor <名称>      claude / claude-sdk / codex / codex-sdk / openai-api / gemini / custom
-  --no-judge             跳过 LLM 评委主观评分
-  --no-diagnostic        关闭 diagnostic 诊断 LLM 调用（默认开启，给 failed sample 出"哪错了 + 怎么改"建议）
-  --skip-doctor          escape hatch：跳过 doctor 健康检查门禁（默认强制启用）。沙箱 mock 提供依赖时绕开 doctor 物理路径误报；garbage-in 风险由调用方承担
-  --dry-run              仅预览
-  --blind                盲测模式
-  --concurrency <n>      并行任务数
-  --timeout <秒>         单任务超时
-  --repeat <n>           重复 N 次做方差分析
-  --batch                每个 artifact 独立和 baseline 对比
-  --bootstrap-samples N  bootstrap 重采样次数（默认 1000）
-  --threshold <number>   verdict 分层门禁阈值（默认 3.5）
-  --trivial-diff <num>   实际可忽略 diff 阈值（默认 0.1）
-  --report-only          生成报告并打印 verdict，但始终 exit 0
-  --no-gate              --report-only 的别名
-  --skip-connectivity    跳过模型连通性检查（内部静态 gate 仍强制执行）
-  --no-serve             评测后不自动启动报告服务
-```
-
-HTML 报告有两个 tab：
-- **📊 评分视角** — verdict 驱动的 A/B 对比（事实/行为/judge 三层、bootstrap CI、length-debias）。
-- **✅ 功能视角** — 每条 sample 当一条单测看：用例设计（prompt / rubric / 工具调用 mock / environment）+ 执行轨迹 + 断言结果 + 可操作的 diagnostic 建议。诊断给出归因（skill 文档模糊 / LLM 误读 / sample 设计 bug / 诱错样本 / ...）、工作流校验（rubric 每步 ✓/✗ + 证据）和失败模式标签（工作流跳步 / 硬编码值 / 幻觉输出 / 工具误用 / 环境拦截 / 误读约束 / 其他）。沙箱 mock 字段语义（`mocks` / `environment` / `tripwire` / `mocksStrict`）见 [docs/sample-design-spec.md §三](./docs/sample-design-spec.md)。
-
-### `omk observe`
-
-omk observe 提供两条工作流：默认的 skill 健康度报告，以及 reviewer 闭环用的 observe inbox。
-
-#### A. skill 健康度报告（默认）
-
-```bash
-omk observe ~/.claude/projects/-Users-you-Documents-my-project
-omk observe ~/.claude/projects/my-project --last 7d
-omk observe ~/.claude/projects/my-project --from 2026-04-01T00:00:00Z --to 2026-04-15T23:59:59Z
-omk observe ~/.claude/projects/my-project --skills audit,polish
-omk observe ~/.claude/projects/my-project --kb /path/to/project
-```
-
-把真实 Claude Code session trace 转成 skill 健康度报告：知识使用、gap 信号、执行稳定性、token 和耗时。这是生产观测，不是生产评分。
-
-#### B. observe inbox：reviewer 闭环
-
-把真实 session trace 解析、聚合、降噪，输出可逐条 review 的 observation 列表。整条链路纯本地、零 LLM。
-
-```bash
-# 1. 把 trace 解析、聚合、落盘到 .omk/observations/
-omk observe ingest ~/.claude/projects/my-project
-omk observe ingest ~/.claude/projects/my-project --output-dir ./custom-dir
-
-# 2. 看 inbox（默认 top 20，按 severity / confidence / lastSeen 排序）
-omk observe inbox
-omk observe inbox --limit 50
-omk observe inbox --skill audit                    # 只看某个 skill
-omk observe inbox --by-skill                       # 按 skill 资产视图
-omk observe inbox --explore 10                     # 从 medium / low 桶抽 10 条长尾
-omk observe inbox --explore 10 --include-noise     # 显式包含 noise 桶
-omk observe inbox --json                           # JSON 输出，便于自动化消费
-
-# 3. 反向查单条 observation 的事件三元组（前后 message 上下文）
-omk observe show <inbox_id>
-```
-
-每条 observation 自带：
-
-+ `confidence` 与 `attributionConfidence`：信号可信度 + skill 归因可信度，并列展示
-+ `severityReasonCode`：判断为该 severity 的稳定结构化原因；人类可读说明由 CLI / studio 渲染时生成
-+ `messageWindow`：前 3 条 / 触发点 / 后 3 条 message 上下文 + `resolutionAfter`（后续是否解决）
-+ `evidence.{messageIndex,messageUuid,toolUseId}`：可反向回到原始 jsonl 的锚点
-
-支持 trace 格式：Claude Code session JSONL（`.jsonl`）、OpenClaw session JSONL（`.jsonl`）、markdown 对话日志（`.log`）。
-
-### `omk evolve`
-
-```bash
-omk evolve <skill>                  # 多轮自动迭代 skill
-omk evolve skills/foo.md --rounds 10 --target 4.5
-```
-
-让 skill 跑 eval → judge → 改写 SKILL.md 的多轮闭环，直到达到 `--target` 或 `--rounds` 上限。耗时按 `轮数 × 样本 × 变体` 累加，几分钟到几十分钟级别。原始 skill 文件版本保存在 `skills/evolve/*.r0.md`。
-
-### `omk sample`
-
-```bash
-omk sample <skill>                  # 为单个 skill 生成或补齐评测用例
-omk sample --batch                  # 为目录下缺评测集的 skill 批量生成
-```
-
-一次性生成。自动给生成的用例打 `provenance`。生成的 assertions 使用英文 / 数字 / 代码 token，便于跨中英文输出对比。
-
-### `omk studio`
-
-```bash
-omk studio
-omk studio --port 7799
-omk studio --host 0.0.0.0                          # 局域网访问（默认 127.0.0.1）
-omk studio --reports-dir ~/.oh-my-knowledge/reports
-omk studio --observations-dir .omk/observations    # observe inbox 数据目录
-omk studio --no-open
-```
-
-启动本地知识工作台浏览报告。verdict、样本回退、跨样本 diff、饱和曲线、单样本 drill-down 全部在 studio UI 里 —— omk 不提供 CLI 导出 / 分析子命令。CI gate 用 `omk eval` 的 exit code（PROGRESS 退 0、其他非 0），需要文字摘要自己 `jq` report JSON。
-
-Studio 是 skill-centric 信息架构 — 列表页（`/`）按 skill 卡片展示健康等级 / 0-100 参考分 / 待优化数 / 趋势，详情页（`/skills/<name>`）左栏列关键问题清单（skill 优化 / 用例优化 / 工具反馈三档），右栏画 chart.js 健康趋势 + 三个紧凑阶段卡（doctor / eval / observe），细节走 modal。旧的 run 列表挪到 `/runs`。访问 `/observations/inbox` 查看 observe inbox 看板：按 skill 资产视图（rollup）+ reviewer 待办建议 + 当前可观测漏斗 + 单 observation 详情面板（含事件三元组）。
-
-## 执行器
-
-### 内置执行器
-
-| 执行器 | 适用场景 | 说明 |
-|--------|----------|------|
-| `claude` | 默认 | 通过 `claude -p` 调用 Claude CLI |
-| `claude-sdk` | 结构化输出 | 通过 Claude Agent SDK 调用，无 stdout 解析，避免 buffer 截断 |
-| `codex` | OpenAI agent CLI | 通过 `codex exec --json` 调用，需本地装好登录的 codex（`@openai/codex`）；best-effort tool trace，**costUSD 不报**（codex 自身不输出 USD，需外部账单核算） |
-| `codex-sdk` | OpenAI agent SDK | 通过 `@openai/codex-sdk` 调用其自带的 `@openai/codex` binary 和 SDK 事件流；**costUSD 不报** |
-| `gemini` | 跨厂商对比 | 通过 `gemini` CLI 调用 |
-| `anthropic-api` | 无需 CLI | 直接调用 Anthropic HTTP API（需 `ANTHROPIC_API_KEY`） |
-| `openai-api` | 无需 CLI | 直接调用 OpenAI HTTP API（需 `OPENAI_API_KEY`） |
-
-API 直调执行器支持通过环境变量自定义 Base URL：`ANTHROPIC_BASE_URL`、`OPENAI_BASE_URL`。
-
-Codex construct-validity 说明：（1）`codex` 使用 `PATH` 上找到的 `codex` binary；`codex-sdk` 使用 `@openai/codex-sdk` 解析到的自带 `@openai/codex` binary。报告会持久化 per-variant `meta.executorRuntimes`、`meta.executorRuntime`，以及每个评委的 `meta.judgeModels[].runtime` 指纹（binary 或 SDK 版本 + 能力快照），strict comparability checks 会在 runtime 指纹无法审计时提示。runtime 指纹不一致时，结果应解释为 executor runtime 对比，而不只是 prompt/template 行为对比。（2）两个 executor 都隔离用户级 config：`codex` 传 `--ephemeral` + `--ignore-user-config`，`codex-sdk` 把 `$CODEX_HOME` 重定向到 per-process tmp 目录（auth.json 通过 symlink 透传）。用户的 `~/.codex/config.toml` 不会渗入任意一个 executor 的 eval。
-
-### 自定义执行器
-
-任何 shell 命令都可以作为执行器，通过 stdin/stdout JSON 协议通信：
-
-```bash
-omk eval --executor "python my_provider.py"
-omk eval --executor "./my-executor.sh"
-```
-
-**协议约定：**
-
-- **输入**（stdin）：JSON `{"model":"...","system":"...","prompt":"..."}`
-- **输出**（stdout）：JSON `{"output":"模型回复","inputTokens":0,"outputTokens":0,"costUSD":0}`
-- stdout 中只需返回有值的字段，其余默认为 0；也可以直接输出纯文本（不解析 token/成本）
-- 非零退出码视为执行失败
-
-### Artifact 目录结构
-
-默认执行器（claude/openai/gemini）支持两种 artifact 布局，同一次评测中可混用：
-
-```
-skills/
-├── v1.md                    # 方式一：直接放 .md 文件
-└── my-skill/                # 方式二：完整 artifact 目录
-    ├── SKILL.md             #   工具自动读取此文件作为 system prompt
-    ├── config.json          #   其他文件不参与评测，仅保留完整性
-    └── scripts/
-```
-
-**Variant 解析规则：**
-
-`variant` 是实验分组表达式。解析之后，OMK 会得到一个 `artifact` 与可选的 `runtime context`（当前主要是 `cwd`）。
-
-| 格式 | 含义 |
-|------|------|
-| `name` | 从 artifact 目录查找 `name.md` 或 `name/SKILL.md`，解析为一个 artifact |
-| `baseline` | 空 artifact，不使用 system prompt；可直接理解为“什么都没有” |
-| `project-env@/path/to/project` | 空 artifact，但在指定项目目录运行，用于单独观察项目级 runtime context |
-| `git:name` | 从 git HEAD 读取一个 artifact 的上次提交版本 |
-| `git:ref:name` | 从 git 指定 commit 读取一个 artifact |
-| `./path/to/file.md` | 含 `/` 的路径，直接读取文件作为 artifact |
-| `variant@/path/to/project` | 给任意变体附加运行目录，支持 `name@cwd`、`git:name@cwd`、`/file.md@cwd` |
-
-`--control` 和 `--treatment` 都不传时，用 `--config eval.yaml` 或 `--batch`。`--batch` 模式下会自动用 `baseline` 作对照组，每个被发现的 artifact 作实验组。
-
-```bash
-# 显式:一个 control,一个或多个 treatment
-omk eval --control v1 --treatment v2
-omk eval --control baseline --treatment v1,v2,v3
-
-# 对比空 artifact 和显式 artifact 的效果差异
-omk eval --control baseline --treatment my-skill
-
-# 单独观察项目级 runtime context 的影响(用自描述标签)
-omk eval --control baseline --treatment project-env@/path/to/target-project
-
-# 对比"项目级 runtime context"与"显式 artifact 注入"
-omk eval \
-  --control project-env@/path/to/target-project \
-  --treatment /path/to/target-project/.claude/skills/prd/SKILL.md@/path/to/target-project
-
-# 对比修改前后(旧版本从 git 历史读取)
-omk eval --control git:my-skill --treatment my-skill
-
-# 直接指定文件路径
-omk eval --control ./old-skill.md --treatment ./new-skill.md
-
-# 配置文件驱动(evaluation-as-code)
-omk eval --config eval.yaml
-```
-
-**前置要求：**
-
-- **claude**：安装 [Claude Code](https://claude.ai/code) 并认证
-- **claude-sdk**：安装 [Claude Code](https://claude.ai/code) 并认证（使用 Agent SDK，无需 CLI stdout 解析）
-- **anthropic-api**：设置 `ANTHROPIC_API_KEY` 环境变量
-- **openai**：`pip install openai` 并设置 `OPENAI_API_KEY`
-- **openai-api**：设置 `OPENAI_API_KEY` 环境变量
-- **gemini**：`npm i -g @google/gemini-cli` 并认证
-
-### Agent 评测与项目级 Runtime Context
-
-当执行器使用 `claude-sdk` 时，OMK 现在已经支持第一版 agent-aware evaluation。
-
-这里建议把几个概念分开理解：
-
-- `artifact`：被评测对象，例如 baseline、skill、prompt、agent
-- `variant`：CLI 里的实验分组表达式
-- `runtime context`：运行时上下文，当前主要是 `cwd`；在项目型 agent 场景下，它就包含项目目录、`CLAUDE.md`、本地 skills 等会影响行为的环境因素
-
-在 OMK 里，`agent` 不是所有对象的总称，`skill` 也不是所有对象的总称。更稳妥的说法是：你在比较不同 artifact 在不同 runtime context 下的表现。
-
-- 自动抽取 turns / toolCalls trace
-- 支持基于工具调用行为的断言
-- 支持在指定 `cwd` 下运行，让 Claude Code 自动加载项目内的 `CLAUDE.md`、skills 和本地 runtime context
-
-#### 推荐执行器
-
-```bash
-omk eval --executor claude-sdk
-```
-
-#### 支持的 agent 相关断言
-
-| 断言 | 含义 |
-|------|------|
-| `tools_called` | 必须调用指定工具 |
-| `tools_not_called` | 禁止调用指定工具 |
-| `tools_count_min` / `tools_count_max` | 工具调用次数上下界 |
-| `tool_output_contains` | 指定工具输出必须包含关键内容 |
-| `turns_min` / `turns_max` | 交互轮次上下界 |
-
-#### 三种常见对照组
-
-**1. 裸模型 baseline**
-
-不注入 system prompt，也不进入带知识的项目目录。至少需要一个 treatment 做对比：
-
-```bash
-omk eval \
-  --executor claude-sdk \
-  --control baseline \
-  --treatment my-skill
-```
-
-**2. 空 artifact + 项目级 runtime context**
-
-不注入 system prompt，但在项目目录运行。它不是严格意义上的"裸 baseline"，而是"空 artifact + 项目级 runtime context"。
-
-```bash
-omk eval \
-  --executor claude-sdk \
-  --control baseline \
-  --treatment project-env@/path/to/target-project
-```
-
-**3. 显式 artifact 注入**
-
-直接把某个外部 `SKILL.md` 作为 artifact 注入，同时保留项目目录上下文。适合对比"项目级 runtime context"与"显式单 artifact 注入"之间的差异。
-
-```bash
-omk eval \
-  --executor claude-sdk \
-  --control project-env@/path/to/target-project \
-  --treatment /path/to/target-project/.claude/skills/prd/SKILL.md@/path/to/target-project
-```
-
-#### 推荐的第一轮对照设计
-
-对于 PRD / 复杂业务知识场景，建议从下面开始：
-
-```bash
-omk eval \
-  --executor claude-sdk \
-  --samples skills/evaluate-review/eval-samples.yaml \
-  --control baseline \
-  --treatment /path/to/target-project/.claude/skills/prd/SKILL.md@/path/to/target-project
-```
-
-如果你想证明"项目目录中的知识沉淀本身"是否有效，加第二个 treatment：
-
-```bash
-omk eval \
-  --executor claude-sdk \
-  --samples skills/evaluate-review/eval-samples.yaml \
-  --control baseline \
-  --treatment project-env@/path/to/target-project,/path/to/target-project/.claude/skills/prd/SKILL.md@/path/to/target-project
-```
-
-#### 设计建议
-
-- **先用 `--dry-run`**：确认样本、variant 和 `cwd` 被正确解析
-- **项目级对照必须区分 `cwd`**：相同 prompt 在不同项目目录下会走不同 runtime context
-- **优先先跑 PRD 场景**：相比 Coding，更容易验证知识完整性、影响面识别和业务正确性
-
-### 常见模型配置示例
-
-**没有 Claude？** 大多数国产模型（GLM、通义千问、Moonshot、DeepSeek 等）都兼容 OpenAI API 格式，可以直接使用 `openai-api` 执行器：
-
-```bash
-# GLM（智谱）
-export OPENAI_API_KEY="你的智谱 API Key"
-export OPENAI_BASE_URL="https://open.bigmodel.cn/api/paas/v4"
-omk eval --executor openai-api --model glm-4-plus \
-  --judge-models openai-api:glm-4-plus --no-cache
-
-# 通义千问
-export OPENAI_API_KEY="你的通义 API Key"
-export OPENAI_BASE_URL="https://dashscope.aliyuncs.com/compatible-mode/v1"
-omk eval --executor openai-api --model qwen-plus \
-  --judge-models openai-api:qwen-plus
-
-# DeepSeek
-export OPENAI_API_KEY="你的 DeepSeek API Key"
-export OPENAI_BASE_URL="https://api.deepseek.com"
-omk eval --executor openai-api --model deepseek-chat \
-  --judge-models openai-api:deepseek-chat
-
-# Moonshot（Kimi）
-export OPENAI_API_KEY="你的 Moonshot API Key"
-export OPENAI_BASE_URL="https://api.moonshot.cn/v1"
-omk eval --executor openai-api --model moonshot-v1-8k \
-  --judge-models openai-api:moonshot-v1-8k
-```
-
-**Ollama 本地模型：**
-
-```bash
-omk eval --executor "python examples/custom-executor/ollama-executor.py" \
-  --model llama3 --no-judge
-```
-
-**关于评委：**
+## 文档
 
-- `--judge-models <list>` 指定评委，格式 `executor:model[,executor:model]`。默认 `${executor}:haiku`（没设 `--executor` 时为 `claude:haiku`）
-- 1 条 = 单评委；≥ 2 条 = 多评委 ensemble + inter-judge agreement
-- 没有 Claude 时把 `--judge-models` 指向你可用的模型，例如 `--judge-models openai-api:glm-4-plus`
-- 加 `--no-judge` 可跳过 LLM 评委，仅使用断言评分
+- **[工作原理](docs/zh/explanation/architecture.md)** —— 交错调度、variant 解析、双通道评分、六维报告
+- **[评测样本格式](docs/zh/reference/eval-sample-format.md)** —— sample schema、评分公式、21+ 断言类型、自定义 JS 断言
+- **[CLI 参考](docs/zh/reference/cli.md)** —— 7 个命令的 bash 示例和 flag 表
+- **[执行器与 artifact 布局](docs/zh/reference/executors.md)** —— 内置 / 自定义执行器、Agent 评测、常见模型配置（Claude / OpenAI / GLM / 通义 / DeepSeek / Moonshot / Ollama）
+- **[快速上手](docs/zh/quickstart-skill-eval.md)** —— 第一次跑评测的 5 分钟教程
+- **[用例设计规范](docs/specs/sample-design-spec.md)** —— capability / construct / provenance 元数据；行业 gap 映射
+- **[统计严谨性](docs/zh/explanation/statistical-rigor.md)** —— 为什么 Bootstrap CI / α / 长度去偏 / 饱和曲线重要
+- **[7 工具对比](docs/zh/reference/comparison.md)** —— promptfoo / DeepEval / LangSmith / Langfuse / Braintrust 等 25+ 维度横评
 
 ## 环境变量
 
 | 变量 | 说明 |
 |------|------|
-| `CCV_PROXY_URL` | 将请求代理到 cc-viewer，实时可视化评测流量 |
-| `OMK_REPORT_PORT` | 报告服务端口（默认：7799） |
+| `CCV_PROXY_URL` | 通过 cc-viewer 代理请求，实时可视化评测流量 |
+| `OMK_REPORT_PORT` | 报告服务端口（默认 7799） |
 
 ## 系统要求
 
 - Node.js >= 20
-- `claude` CLI（用于默认执行器和 LLM 评委，安装方式见 [Claude Code](https://claude.ai/code)）
-  - 使用其他执行器（openai/gemini）且加 `--no-judge` 时可不装
+- `claude` CLI（默认执行器和 LLM 评委需要，参考 [Claude Code](https://claude.ai/code)）
+  - 如果使用其它执行器（openai / gemini）+ `--no-judge` 则可不需要
 
 ## 安全说明
 
 本工具设计用于**本地可信环境**（开发机、CI 流水线）。以下功能会执行本地代码，请确保输入来源可信：
 
-| 功能 | 风险说明 | 适用范围 |
-|------|----------|----------|
-| **自定义断言** (`custom`) | 动态加载并执行用户指定的 `.mjs` 文件 | 仅使用自己编写或审查过的断言文件 |
-| **eval-samples.json** | 断言配置中可引用外部文件路径 | 不要使用不可信来源的样本文件 |
+| 功能 | 风险 | 适用场景 |
+|------|------|----------|
+| **自定义断言**（`custom`） | 动态加载并执行用户指定的 `.mjs` 文件 | 仅使用自己编写或审查过的断言文件 |
+| **eval-samples.json** | 断言配置可引用外部文件路径 | 不要使用来源不明的样本文件 |
 
 **建议：**
 
-- 不要在公网服务中暴露本地报告服务（无认证）
-- 不要用不可信的第三方 eval-samples 文件
-- 自定义断言有 30 秒执行超时，但无沙箱隔离
+- 不要将本地报告服务暴露到公网（无身份认证）
+- 不使用未经审查的第三方 eval-samples
+- 自定义断言有 30 秒超时，但无沙箱隔离
 
 ---
 
-版本变更记录见 [GitHub Releases](https://github.com/lizhiyao/oh-my-knowledge/releases)。欢迎贡献 — 详见 [CONTRIBUTING](./CONTRIBUTING.md)。
+发布日志见 [GitHub Releases](https://github.com/lizhiyao/oh-my-knowledge/releases)。欢迎贡献 —— 见 [CONTRIBUTING](./CONTRIBUTING.md)。